mindspore.dataset.Schema

class mindspore.dataset.Schema(schema_file=None)[源代码]

用于解析和存储数据列属性的类。

参数:

  • schema_file (str): schema文件的路径,默认值:None。

返回:

schema对象,关于数据集的行列配置的策略信息。

异常:

RuntimeError: 模式文件加载失败。

样例:

>>> from mindspore import dtype as mstype
>>>
>>> # Create schema; specify column name, mindspore.dtype and shape of the column
>>> schema = ds.Schema()
>>> schema.add_column(name='col1', de_type=mstype.int64, shape=[2])
add_column(name, de_type, shape=None)[源代码]

向schema中添加新列。

参数:

  • name (str): 列的新名称。

  • de_type (str): 列的数据类型。

  • shape (list[int], 可选): 列shape,默认值:None,-1表示该维度的shape是未知的。

异常:

ValueError 列类型未知。

from_json(json_obj)[源代码]

从JSON对象获取schema文件。

参数:

  • json_obj (dictionary): 解析的JSON对象。

异常:

  • RuntimeError 对象中存在未知的项。

  • RuntimeError 对象中缺少数据集类型。

  • RuntimeError 对象中缺少列。

parse_columns(columns)[源代码]

解析传入的数据列的属性并将其添加到自身的schema中。

参数:

  • columns (Union[dict, list[dict], tuple[dict]]): 数据集属性信息,从schema文件解码。

    • list [dict]:’name’和’type’必须为key值,’shape’可选。

    • dict :columns.keys()作为名称,columns.values()是dict,其中包含’type’,’shape’可选。

异常:

  • RuntimeError - 解析列失败。

  • RuntimeError - 列name字段缺失。

  • RuntimeError - 列type字段缺失。

样例:

>>> from mindspore.dataset import Schema
>>> schema = Schema()
>>> columns1 = [{'name': 'image', 'type': 'int8', 'shape': [3, 3]},
...             {'name': 'label', 'type': 'int8', 'shape': [1]}]
>>> schema.parse_columns(columns1)
>>> columns2 = {'image': {'shape': [3, 3], 'type': 'int8'}, 'label': {'shape': [1], 'type': 'int8'}}
>>> schema.parse_columns(columns2)
to_json()[源代码]

获取schema的JSON字符串。

返回:

str,模式的JSON字符串。